TELERILEVATE
Marco Palazzo
(1)
e Lorenzo Vasanelli
(1)
(1)
Universit degli Studi di Lecce Dipartimento di Ingegneria
dellInnovazione - Via Monteroni s.n. - 73100 Lecce, Tel. 0832 320242 -
E-mail : marco.palazzo@unile.it, lorenzo.vasanelli@ime.le.cnr.it .
Riassunto
I nuovi satelliti per losservazione della Terra offrono alla comunit scientifica
un potente mezzo per lacquisizione di dati ambientali. La disponibilit di
informazioni telerilevate fondamentale per la modellazione di numerosi
processi naturali (es. deformazioni del territorio, inquinamento atmosferico,
fenomeni di stress della vegetazione) e culturali (es. modifiche dello stato di uso
dei suoli dovute a fenomeni di antropizzazione). Infatti molti modelli sono basati
su informazioni geospazializzate senza le quali non potrebbero essere operativi.
Lestrazione di queste informazioni dalle immagini telerilevate viene spesso
effettuata mediante lapplicazione di algoritmi matematici. Particolarmente utile
ed efficace nellanalisi delle immagini satellitari il toolbox di image processing
disponibile con il software MATLAB
.
1. Introduzione
Negli ultimi anni sono stati messi in orbita numerosi satelliti artificiali dotati di
sensori, attivi e passivi, per losservazione della Terra. Moltissimi progressi sono
stati fatti nella tecnologia di questi straordinari sensori, che, utilizzando diversi
tipi di radiazione, dalla radiazione visibile alle microonde, sono oggi capaci di
inviarci immagini della Terra sempre pi raffinate e sempre pi ricche
dinformazioni. La enorme disponibilit di dati satellitari ha fortemente stimolato
lo sviluppo di una nuova scienza, detta telerilevamento, che analizzando con
tecniche sofisticate le immagini acquisite dai satelliti, in grado di ricavare
numerose informazioni sullo stato del nostro pianeta. Le immagini, inizialmente
riservate ad uso quasi esclusivo dei militari, sono oggi facilmente accessibili per
usi civili. In questi ultimi anni perci si assiste ad un fiorire dapplicazioni delle
tecniche danalisi di queste immagini telerilevate in diversi settori. Attualmente,
mediante lelaborazione di dati satellitari, possibile la realizzazione di mappe
di uso e copertura del suolo, lidentificazione dei biotopi delle aree vegetate,
lindividuazione di zone in stato di degrado ed ancora il monitoraggio dei
fenomeni di frana e molte altre applicazioni di fondamentale importanza in tutte
le attivit di monitoraggio ambientale.
Il trattamento digitale delle immagini telerilevate richiede competenze
spiccatamente interdisciplinari (di tipo informatico, matematico, ingegneristico,
geologico, naturalistico e fisico) coniugate alluso di strumenti di elaborazione
flessibili ed efficienti. Particolarmente utile ed efficace nellanalisi delle
immagini satellitari il toolbox di image processing disponibile con il software
MATLAB
per la
generazione di mappe dell'Indice di Vegetazione che mostrano i valori di un
indice derivato dall'elaborazione delle immagini trasmesse a terra dal satellite
Landsat 5 per rilevamento ambientale. L'Indice di Vegetazione, nella sua
formulazione come NDVI (Normalized Difference Vegetation Index), sfrutta la
differenza di risposta della copertura vegetale nelle bande spettrali del visibile e
del vicino infrarosso, cos da fornire un valore numerico adimensionale,
teoricamente compreso tra -1 e +1, che stato dimostrato essere in stretta
relazione con lo stato di salute della vegetazione (intesa come biomassa e area
fogliare) e con i processi biochimici ad essa correlati (attivit fotosintetica). La
caratteristica di comportamento dei pigmenti delle foglie non sottoposte a stress
infatti quella di assorbire circa 80%-90% della radiazione ricevuta nella
regione spettrale della luce visibile (0.4-0.7 m), ed allo stesso tempo di
riflettere oltre il 40%-50% di quella ricevuta nell'infrarosso vicino (0.7-1.1 m)
[Jensen, 1983].La formulazione dellindice NDVI utilizzata in questo lavoro per
il calcolo da effettuarsi con dati Landsat la seguente [Larsson, 1993]:
Figura 2 Indice NDVI.
TM
banda4
- TM
banda3
TM
banda4
+ TM
banda3
NDVI
TM
=
Nella lettura delle mappe che elaboriamo, valori bassi di NDVI si verificano in
aree a bassa copertura vegetale (o in sua assenza) o dove la vegetazione presente
senescente o sofferente, mentre gli alti valori dell'indice rispecchiano una
situazione di forte attivit fotosintetica e quindi elevata presenza di biomassa
verde . La non elevata risoluzione spaziale delle immagini ed i frequenti passaggi
del satellite Landsat consentono un monitoraggio mensile dell'Indice di
Vegetazione su scala regionale o globale. Con il monitoraggio delle mappe di
NDVI vengono tenuti sotto costante osservazione fenomeni su scala
continentale, quale quello dell'avanzamento della desertificazione in Africa da
parte della Nazioni Unite e della F.A.O., ma in grande crescita, in ogni parte
del mondo, l'utilizzo di questo strumento da parte degli enti per la
programmazione e l'assistenza tecnica in campo agricolo su scala nazionale e
regionale, con particolare riferimento alla valutazione dell'impatto sulle
produzioni agricole a seguito di particolari eventi ambientali (siccit,
inondazioni, infestazioni etc.).
Tuttavia, in questo contesto, e' importante precisare che l'utilizzo dell'Indice di
Vegetazione per il monitoraggio delle condizioni della copertura vegetale ha una
valenza assolutamente "qualitativa", e non consente, allo stato attuale delle
conoscenze (ma molte ricerche vengono oggi dirette in questo senso), alcuna
valutazione "quantitativa". In particolare il confronto a fini agrometeorologici tra
le diverse mappe dell'indice nei diversi periodi dell'anno, richiede un'analisi
approfondita delle differenze nella tipologia di vegetazione e di suolo presenti, al
fine di differenziare localmente i diversi stadi fenologici dall'influenza dei
differenti tipi di suolo. A questo riguardo e' opportuno evidenziare che, nello
studio condotto, la scala dei colori scelta per rappresentare i diversi valori
dell'indice e' puramente arbitraria e non ha nessun riferimento all'apparenza reale
della vegetazione.
4. Caratterizzazione delle immagini telerilevate
Dal punto di vista matematico, in un approccio semplificato, una immagine
I(x,y, , t) esprime la distribuzione spaziale di una sorgente di energia radiante
come una funzione limitata delle variabili indipendenti posizione, lunghezza
donda, e tempo.
Per poter elaborare le immagini tramite un calcolatore queste variabili devono
essere discretizzate. La dipendenza dalle variabili x ed y, discretizzate, viene
rappresentata registrando linformazione relativa alle locazioni con una griglia
bidimensionale composta di elementi detti pixel (picture element) corrispondenti
a piccole aree della superficie terrestre. Ad ogni elemento nellimmagine
corrisponde un valore numerico detto Digital Number (DN). Nei dati da satellite
con sensore passivo (ad esempio il Landsat) il DN rappresenta lintensit della
radiazione elettromagnetica riflessa nel visibile, infrarosso ed altre lunghezze
donda. Pertanto del tutto naturale rappresentare una immagine telerilevata, in
formato digitale, come una matrice i cui indici di riga e colonna identificano un
pixel dellimmagine, mentre il valore del corrispondente elemento di matrice
fornisce il valore di riflettanza in quel punto (Figura 3).
Figura 3 Rappresentazione delle immagini telerilevate.
La dipendenza dalla variabile , anchessa discretizzata, viene rappresentata
registrando linformazione relativa alle diverse bande in un numero di matrici
pari al numero delle bande (immagini multispettrali).La dipendenza dalla
variabile t, anchessa discretizzata, viene rappresentata registrando
linformazione relativa alle diverse acquisizioni in un numero di matrici pari al
numero delle bande per il n.ro acquisizioni (immagini multitemporali).
Con opportune applicazioni matematiche sui DN possibile migliorare la qualit
delle immagini ed estrarre informazioni non ottenibili con le tradizionali tecniche
di foto interpretazione.Di conseguenza lelaborazione digitale delle immagini
diventato un potente strumento nellambito di tutte le applicazioni alle scienze
della Terra.
5. MATLAB
MATLAB
'
<
,
_
<
L x x L
x x x L
x x
x x
x x
x f y
2
2 1
1 2
1
1
0 0
) (
dove x
1
e x
2
sono i livelli di grigio minimo e massimo contenuti nellimmagine
originaria (Figura 11).
Figura 11 Funzione di trasformazione che realizza il contrast stretching.
Figura 12 Contrast Stretching in ambiente MATLAB.
6.6 Estrazione dellinformazione : generazione di mappe NDVI
Una volta che sono state importate tutte le bande del dataset Landsat 5
disponibile e che tali dati sono stati corretti radiometricamente e
geometricamente possibile estrarre linformazione tematica con tecniche di
fotointerpretazione o con tecniche automatiche. Ad esempio, la generazione di
mappe NDVI comporta esclusivamente lesecuzione di un semplice rapporto tra
bande (come fatto rilevare nel paragrafo 3) che produce una tematizzazione
x
1
x
2
L x
y=f(x)
L
y=f(x)
L
dellinformazione utilizzata in un gran numero di applicazioni ambientali. In
Figura 13 riportata la mappa NDVI realizzata per il Sito di Interesse
Comunitario (S.I.C.) denominato Rauccio e localizzato sulla costa della
Penisola Salentina in prossimit della citt di Lecce [Palazzo et. al, 2001].
Figura 13 Mappa NDVI del S.I.C. Rauccio (Lecce).
I pixel pi brillanti nellimmagine corrispondono alle aree del S.I.C. coperte da
boschi di Leccio, mentre i pixel meno brillanti corrispondono alle aree
densamente urbanizzate dellentroterra (comune di Surbo) ed alle aree
urbanizzate in modo discontinuo sulla costa. Nella realt osservata i valori di
NDVI variano in un range compreso tra -0.2 e +0.6 sulle terre emerse (con i
corpi d'acqua e le nubi che mostrano valori vicini allo zero o leggermente
negativi).
7. Conclusioni
Lambiente MATLAB